计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2012年
32期
140-146
,共7页
支持向量机%特征选取%学习策略%优化方法%阈值
支持嚮量機%特徵選取%學習策略%優化方法%閾值
지지향량궤%특정선취%학습책략%우화방법%역치
支持向量机是重要的机器学习方法之一,已成功解决了许多实际的分类问题.围绕如何提高支持向量机的分类精度与训练效率,以分类过程为主线,主要综述了在训练支持向量机之前不同的特征选取方法与学习策略.在此基础上,比较了不同的特征选取方法SFS,IWSS,IWSSr以及BARS的分类精度,分析了主动学习策略与支持向量机融合后获得的分类器在测试集上的分类精度与正确率/召回率平衡点两个性能指标.实验结果表明,包装方法与过滤方法相结合的特征选取方法能有效提高支持向量机的分类精度和减少训练样本量;在标签数据较少的情况下,主动学习能达到更好的分类精度,而为了达到相同的分类精度,被动学习需要的样本数量必须要达到主动学习的6倍.
支持嚮量機是重要的機器學習方法之一,已成功解決瞭許多實際的分類問題.圍繞如何提高支持嚮量機的分類精度與訓練效率,以分類過程為主線,主要綜述瞭在訓練支持嚮量機之前不同的特徵選取方法與學習策略.在此基礎上,比較瞭不同的特徵選取方法SFS,IWSS,IWSSr以及BARS的分類精度,分析瞭主動學習策略與支持嚮量機融閤後穫得的分類器在測試集上的分類精度與正確率/召迴率平衡點兩箇性能指標.實驗結果錶明,包裝方法與過濾方法相結閤的特徵選取方法能有效提高支持嚮量機的分類精度和減少訓練樣本量;在標籤數據較少的情況下,主動學習能達到更好的分類精度,而為瞭達到相同的分類精度,被動學習需要的樣本數量必鬚要達到主動學習的6倍.
지지향량궤시중요적궤기학습방법지일,이성공해결료허다실제적분류문제.위요여하제고지지향량궤적분류정도여훈련효솔,이분류과정위주선,주요종술료재훈련지지향량궤지전불동적특정선취방법여학습책략.재차기출상,비교료불동적특정선취방법SFS,IWSS,IWSSr이급BARS적분류정도,분석료주동학습책략여지지향량궤융합후획득적분류기재측시집상적분류정도여정학솔/소회솔평형점량개성능지표.실험결과표명,포장방법여과려방법상결합적특정선취방법능유효제고지지향량궤적분류정도화감소훈련양본량;재표첨수거교소적정황하,주동학습능체도경호적분류정도,이위료체도상동적분류정도,피동학습수요적양본수량필수요체도주동학습적6배.
